【当期目录】第6期！年末收藏

Original 当期目录机器智能研究MIR 2022-05-21

收录于合集 #IJAC往期目录集锦 24个

目录概览

Vol.15, No.6

(点击序号阅读全文)

综述：

①Applying Deep Learning to Individual and Community Health Monitoring Data: A Survey

②An Overview of Contour Detection Approaches

研究论文：

①Automated Segmentation of Left Ventricle Using Local and Global Intensity Based Active Contour and Dynamic Programming

②Near Optimal PID Controllers for the Biped Robot While Walking on Uneven Terrains

③Model Predictive Control for Vapor Compression Cycle of Refrigeration Process

④The Resonance Suppression for Parallel Photovoltaic Grid-connected Inverters in Weak Grid

⑤Adaptive Tracking Control of Mobile Manipulators with Affine Constraints and Under-actuated Joints

⑥Adaptive Fault Tolerant Control of Multi-time-scale Singularly Perturbed Systems

⑦A New Approach to Estimate True Position of Unmanned Aerial Vehicles in an INS/GPS Integration System in GPS Spoofing Attack Conditions

论文信息

Details

综述RECOMMEND

Applying Deep Learning to Individual and Community Health Monitoring Data: A Survey

摘要节选:

深度学习技术在计算机视觉、图像处理方面的成功应用可以直接拓展至医学影像处理领域，如成像、图像分割、图像识别、病灶检出等方面，由此催生出大量关于医学影像处理的研究。然而，医疗健康研究不仅仅局限于医学影像处理，不少学者将深度学习应用于分析除医学影像外的其他医疗数据，取得了诸多可喜成果。华盛顿大学陈一昕教授团队集中讨论了深度学习在医疗健康各个领域(医学影像处理除外)中的应用。通过系统地回顾这些研究成果，帮助读者更好地从宏观层面把握该领域的研究现状。此外，本文作者还分享了其将深度学习应用于医疗健康领域的研究经验。本文将研究领域划分为7大类，分别为：EHR、ECG、EEG、社群医疗数据、可穿戴设备数据、药物分析及基因组学分析。

关键词:

Deep learning, healthcare, electronic health records (EHR), neural networks, survey.

全文下载:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-018-1136-9

2)IJAC URL:

http://www.ijac.net/EN/abstract/abstract2020.shtml

中文导读:

【综述专栏】华盛顿大学陈一昕: 深度学习在健康检测数据中的应用

综述RECOMMEND

An Overview of Contour Detection Approaches

摘要:

轮廓(contour)是图像目标(imagery object)的典型特征，而轮廓检测是计算机视觉领域的重要研究方向。要解决一些实际性问题，如目标识别、场景理解等，轮廓检测算法(contour detection algorithms)是基础。本文主要讨论并综述了过去二十年间关于轮廓检测(contour detection)的各种方法。为了区分边缘检测，本文首先讨论了边缘(edge)、边界(boundary)和轮廓(contour)的三个概念的不同之处。而后详细梳理分析了传统轮廓提取方法(traditional contour extraction approaches)，将其分为三类，并探讨了它们的不同及相互关系。此外，文章还介绍了基于DCNN的轮廓检测方法(DCNN-based methods)的最新理论进展。最后提出了几个具有发展潜力、值得进一步研究的方向。

关键词:

Contour detection, contour salience, gestalt principle, contour grouping, active contour.

全文下载:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-018-1117-z

2)IJAC URL:

http://www.ijac.net/EN/abstract/abstract1990.shtml

中文导读:

【综述专栏】轮廓检测方法综述

RECOMMEND研究论文

医学影像分割

Automated Segmentation of Left Ventricle Using Local and Global Intensity Based Active Contour and Dynamic Programming